Maskininlärningsassisterad sekvensanpassning
Maskininlärningsassisterad sekvensanpassning använder statistiska inlärningsmodeller — inklusive djupa neurala nätverk och proteingranspråksmodeller — för att beräkna biologiskt meningsfulla anpassningar mellan nukleotid- eller aminosyrasekvenser. Genom att lära sig substitutionsmönster och strukturella begränsningar från stora träningskorpusar överträffar dessa metoder klassiska poängmatriser (t.ex. BLOSUM, PAM) i känslighet för avlägsna homologer och strukturellt begränsade regioner, vilket gör dem till det nuvarande toppmoderna för svåra anpassningsuppgifter inom genomik och proteomik.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Llinares-López, F., Berthet, Q., Blondel, M., Teboul, O., & Vert, J.-P. (2023). Deep embedding and alignment of protein sequences. Nature Methods, 20(1), 104–111. DOI: 10.1038/s41592-022-01700-2 ↗
- Jumper, J., Evans, R., Pritzel, A., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. DOI: 10.1038/s41586-021-03819-2 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/sv/bioinformatics/machine-learning-assisted-sequence-alignment
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Fylogenetisk analysBioinformatik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →